ASCIIUnicode和UTF-8

个人收集整理-ZQASCIIUnicode和UTF-8码在计算机内部，所有的信息最终都表示为一个二进制的字符串。每一个二进制位有和两种状态，因此八个二进制位就可以组合出种状态，这被称为一个字节。一个字节一共可以用来表示种不同的状态，每一个状态对应一个符号，就是个符号，从到。上个世纪年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为码，一直沿用至今。b5E2R。b5E2R。码一共规定了个字符的编码。这个符号，只占用了一个字节的后面位，最前面的位统一规定为。非编码英语用个符号编码就够了，但是用来表示其他语言，个符号是不够的。于是，一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。这样一来，这些欧洲国家使用的编码体系，可以表示最多个符号。p1Ean。p1Ean。但是，这里又出现了新的问题。不同的国家有不同的字母，因此，哪怕它们都使用个符号的编码方式，代表的字母却不一样。DXDiT。DXDiT。正如上一节所说，世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。可以想象，如果有一种编码，将世界上所有的符号都纳入其中，每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是，就像它的名字都表示的，这是一种所有符号的编码。当然是一个很大的集合，现在的规模可以容纳多万个符号。每个符号的编码都不一样，比如，表示阿拉伯字母，表示英语的大写字母，表示汉字严。具体的符号对应表，可以查询，或者专门的汉字对应表。RTCrp。RTCrp。的问题只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。这里就有两个严重的问题，第一个问题是，如何才能区别和？计算机怎么知道三个字节表示一个符号，而不是分别表示三个符号呢？第二个问题是，英文字母只用一个字节表示就够了，如果统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是，这对于存储来说是极大的浪费，文本文件的大小会因此大出二三倍，这是无法接受的。5PCzV。5PCzV。它们造成的结果是：）出现了的多种存储方式，也就是说有许多种不同的二进制格式，可以用来表示。）在很长一段时间内无法推广，直到互联网的出现。就是在互联网上使用最广的一种的实现方式。其他实现方式还包括和，不过在互联网上基本不用。这里的关系：是的实现方式之一。最大的一个特点，就是它是一种变长的编码方式。它可以使用个字节表示一个符号，根据不同的符号而变化字节长度。的编码规则很简单，只有二条：jLBHr。jLBHr。1） 对于单字节的符号，字节的第一位设为，后面位为这个符号的码。因此对于英语字母，编码和码是相同的。2） 对于字节的符号，第一个字节的前位都设为，第位设为，后面字节的前两位一律设为。剩下的没有提及的二进制位，全部为这个符号的码。xHAQX。xHAQX。下表总结了编码规则，字母表示可用编码的位。符号范围 编码方式(十六进制) （二进制） 跟据上表，解读编码非常简单。如果一个字节的第一位是，则这个字节单独就是一个字符；如果第一位是，则连续有多少个，就表示当前字符占用多少个字节。LDAYt。LDAYt。 和 码可以采用格式直接存储。以汉字严为例，码是，需要用两个字节存储，一个字节是，另一个字节是。存储的时候，在前，在后，就是 方式；在前，在后，就是 方式。因此，第一个字节在前，就是大头方式（ ），第二个字节在前就是小头方式（ ）。Zzz6Z。Zzz6Z。规范中定义，每一个文件的最前面分别加入一个表示编码顺序的字符，这个字符的名字叫做零宽度非换行空格，用表示。这正好是两个字节，而且比大。如果一个文本文件的头两个字节是 ，就表示该文件采用大头方式；如果头两个字节是 ，就表示该文件采用小头方式。dvzfv。dvzfv。规定: 一个小于的字符，它的意义与原来相同，但两个大于的字符连在一起时，就表示一个汉字，前面的一个字节(高字节)从用到 ，后面一个字节(低字节)从到，这样就可以组合出大约多个简体汉字。rqyn1。rqyn1。在这些编码里，我们还把数学符号、罗马希腊的字母、日文的假名们都编进去了，连在里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这就是常说的全角字符，而原来在号以下的那些就叫半角字符了。中国人民看到这样很不错，于是就把这种汉字方案叫做 ， 是对 的中文扩展。Emxvx。Emxvx。但是中国的汉字太多了，我们很快就就发现有许多字打不出来，于是不得不继续把 没有用到的码位找出来用上，后来还是不够用，于是干脆不再要求低字节一定是号之后的内码了，只要第一个字节大于就固定表示这是一个汉字的开始，不管后面跟的是不是扩展字符集里的内容。扩展之后的编码方案被称为 标准, 包括了 的所有内容, 同时又增加了近个新的汉字(包括繁体字)和符号.SixE2。SixE2。 与 是两个完全不样的字符编码方案, 其两者没有直接关系, 要对其进行相互转换, 最直接最高效的方法是查表6ewMy。6ewMy。、等与之间都必须通过编码才能相互转换：、是因为互联网发展而出现的。如果你用过之类的连接线（比如串口、等），在配置参数里会发现有位、位的选择项。那是因为最早的通信系统在数据链路层是按照位来进行编码的（实际上也是位，但是最高位被置零，作为电子线路识别高低电平所代表的一串数据的边界的一个电气特征）。当电子邮件、网页等互联网应用出现后，由于人们使用的自然语言（那时主要是英语）是用编码的，前面说了使用一个字节全部的位，这样如果直接传输，就会被网关、路由器等设